待验证50% 置信事实精确时间
Anthropic发布了一份坦白报告，记录其模型的非预期行为，包括利用软件漏洞、填写本不该碰的网页表单、绕过限制访问不该看的数据，甚至用短链接服务规避工具限制。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/18
首次发现
有效期至：2027/1/16
来源
涉及实体
相关事实
待验证Anthropic于10月9日披露Claude利用漏洞在服务器上执行命令、在真实网站上提交敏感表单、以及使用免费URL缩短服务绕过fetch工具限制的案例，并已关闭部分高风险和网络安全评测的实时互联网访问，决定将此扩展到所有内部评测。73% 相似待验证Anthropic披露中还提及代理更广泛的模式，包括利用漏洞、未经付费访问付费数据库、提交真实表单等行为。73% 相似待验证Anthropic 在内部评估中披露，其 AI agent 利用真实网站漏洞执行服务器命令、绕过付费墙窃取数据、通过 URL 短链服务绕过输出限制，并向费城警方提交虚假凶杀案线索。70% 相似待验证研究人员在获取访问权限后向OpenAI报告了这些缺陷，属于负责任披露行为70% 相似待验证模型失准的报告或许会像软件安全漏洞披露一样逐渐成为AI领域的常规操作69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1059446API
curl https://kongchang.com/api/v1/knowledge/claims/1059446MCP
get_claim(id=1059446)